#Tool-Use Agents

3 篇

Scaling Laws for Tool-Use Agents via Controllable Environment Synthesis

可控环境合成下的工具使用智能体扩展律

🧭 可控环境合成与工具使用 Agent 扩展律 ★ 深度解读

Apple

提出 SynthAPI 可控合成工具环境，发现工具与数据库多样性比任务数量更关键，并推导可预测扩展律

📌 工作参考价值（4 点）

构建电商/推荐 Agent 训练集时，优先扩展工具与数据库状态多样性，而非单纯堆任务数量：当数据预算大于约 4k 任务时，增加 app/工具数（A）、每个任务的初始数据库实例数（S）、以及干扰数据深度（D）比新增任务 prompt（T）更有效；在商品搜索、下单、售后等多步工具场景可直接复用此结论。
用可执行环境合成代替 LLM 模拟 API 响应：SynthAPI 生成 Python db schema + API + verifier + oracle solver，所有轨迹可执行、可验证，避免模拟复杂状态转换出错；适合电商/推荐中涉及库存、价格、用户画像等有状态变更的场景。
采用 meta-tools 按需加载工具接口：agent 通过 list_apps/list_tools/get_tool_documentation 动态发现工具，降低上下文开销并提升对新工具集的泛化；搜索推荐 Agent 可设计类似工具发现层，按需检索可用商品/内容 API。
用 scaling law 指导数据预算分配：拟合 P(A,T,S,D) 形式的性能预测模型，可在小规模 grid search 后外推到大算力预算，避免盲目生成数据；团队可在自有合成 pipeline 上复现此方法。

Agent | 2026-10-27 | cs.LG | score 9/10

Trajectory2Gym: Decision-Grounded Compositional Interaction Synthesis for Tool-Use Agents

Trajectory2Gym：面向工具使用智能体的决策锚定组合交互合成

🧭 工具使用 Agent 轨迹合成与 SFT ★ 深度解读

Westlake University · Ant International

通过构造组合交互并仅监督有可见历史依据的决策，大幅提升多轮工具使用智能体的 SFT 效果

📌 工作参考价值（4 点）

决策级监督掩码：训练工具使用智能体时，不要只按最终成功或 API 执行成功过滤轨迹。对每个 assistant 动作检查：参数是否来自决策时可见的上下文（如工具返回结果、用户确认），工具是否可见，以及是否满足工作流顺序。失败的调用保留为上下文但不参与模仿损失，避免模型学会利用 collector 私有信息或错误捷径。
定向合成欠支持依赖路径：先统计现有轨迹池中组合结构的支持度（如“查询→错误→澄清→重试→确认→取消→更新”），再针对低于支持阈值的路径生成任务和初始状态。不要随机采样候选，否则稀有结构被漏掉的概率很高；可按模型尺度设定每个 canonical path 的目标深度，小模型少重复，大模型多重复。
父级归一化 SFT：一条多轮交互可能被渲染成多行训练样例，若按行平均会让长交互主导损失。以语义交互为单位赋予相等权重，再在内部按目标 token 数分配，可防止长轨迹过拟合，提升多轮和状态依赖任务的稳定性（消融中单独贡献 8.04 点）。
成功只做 gate，不做 license：在电商客服、订单处理等 Agent 场景，即使 API 执行成功，也可能包含错误目标或违反用户最新意图（如替换了已取消的商品）。将“成功”作为进入训练池的门槛，但不作为每个动作的监督许可；结合工作流顺序和用户确认来判定目标动作。

Training | 2026-10-23 | HF Daily | score 8/10

Tool-Use Agents Trajectory Synthesis Decision Grounding SFT Compositional Coverage Multi-turn Interaction

PlanBench-XL: Evaluating Long-Horizon Planning of LLM Tool-Use Agents in Large-Scale Tool Ecosystems

PlanBench-XL：大规模工具生态中LLM Agent长期规划评估基准

🧭 Agent 长期规划评估 · 大规模工具检索

University of Illinois Urbana-Champaign

在1665个工具的零售任务基准上，揭示LLM Agent在检索受限与动态阻塞下长期规划能力的严重退化

📌 工作参考价值（4 点）

电商Agent常需在大量API/工具中选择与组合，本基准中的迭代式工具检索-调用-发现子目标范式可直接用于设计推荐/搜索Agent的规划流程，尤其需要将工具描述检索与规划解耦，避免一次性暴露全量工具。
阻塞机制模拟了真实服务不可用、返回异常或误导性工具，建议在Agent开发中注入工具调用异常处理与自适应模块，如动态替换失败工具、延长尝试路径，并显式标记错误信号以降低恢复难度。
实验发现Agent在缺乏明确错误信号时极易崩溃，值得在业务Agent中强制要求工具返回标准化状态码与可读错误信息，并训练模型利用这些信号重规划。
该基准的“长期任务→子目标推断→中间证据收集”闭环，为电商场景中多步推荐（如先查用户画像→再查商品库存→组合优惠规则→生成推荐）提供了可测试的评价范式，可参照构建内部鲁棒性测试集。

Agent | 2026-06-20 | HF Daily | score 6/10

Tool-Use Agents Long-Horizon Planning Tool Retrieval Benchmark Blocking Mechanism Evaluation